Модель Distributed Lags Analysis - анализ распределенных лагов

Анализ распределенных лагов - это метод оценки запаздывающей зависимости между рядами. Такого рода зависимости с запаздыванием особенно часто возникают в эконометрике.

Откройте в стартовой панели модуля файл Teachers.sta, выберите все переменные.

В окне Time Series Analysis откройте модуль Distributed Lag Analysis - Анализ распределенных лагов (рис. 6.12).

Окно «Анализ распределенных лагов»

Рис. 6.12. Окно «Анализ распределенных лагов»

Кнопка Independent variable - позволяет выбрать независимые переменные. Выберите переменную children. Для выбора зависимой переменной поставьте курсор в верзнем окне на переменную salary.

В блоке Method выбирается метод расчета: Unconstrained polynomial lags - Обычные лаги, Almon polynomial lags - лаги Алмона. Если возникают вычислительные сложности при оценивании коэффициентов регрессии, используют метод Алмона. Выберите лаги Алмона, order=l.

Окно Lag lenth - позволяет задать длину лага - величину одного ряда относительно другого. Задайте длину 2.

Нажмите на кнопку Summary: Distributed Lag Analysis -Результат: Анализ распределенных лагов (табл. 6.1).

Таблица 6.1

Lag

Almon Polyn. Distr. Lags; Regression Coefficients (Teachers) Inder: CHILDREN: Pupils enroll Dep: SALARY : Average annu Lag: 2 Polyn. order: 1 R= ,8560 R-square= J3T7 N: 7

Regressn Coeff

Standard Error

t( 4)

P

0

0,000008026892

0,000286737126

0,027993903765

0,979007999982

1

0,000085559661

0,000035972522

2,378472656005

0,076115626976

2

0,000163092431

0,000344687020

0,473160928771

0,660763459634

В появившейся таблице даны: оценки коэффициентов регрессии, стандартные ошибки, значения f-статистики, соответствующие уровни р при различных сдвигах Lag = 0,1, 2. Из четвертого столбца видно, что только коэффициент регрессии, отвечающий лагу 1, является значимым на уровне 0,1.

С высокой степенью достоверности можно утверждать, что зависимость между рядами salary и children имеет вид:

salary(t) = 0,000086 х children(t-1), t = 2, 3, ...

Задания к теме

  • 1. Проведите сезонную декомпозицию временного ряда дохода компании (Доход - динамика 2), проанализируйте полученные переменные, постройте тренд-сезонную модель с прогнозом на 1 год.
  • 2. Постройте прогноз дохода компании на 1 год, используя экспоненциальное сглаживание для данных: Доход - динамика 2.
  • 3. Постройте прогноз дохода товарооборота по одной из товарных линий компании на 1 год, используя модель ARIMA для данных: Доход - Товарные линии (товарная линия 1).
  • 4. Постройте прогноз дохода компании на 1 год, используя модель ARIMA и ARIMA с интервенцией (при необходимости) для данных: Доход - динамика 2. Сравните полученные модели с моделями из пп. 1 и 2.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >